基于时空相关性的无线传感器网络节能问题研究

The spatial and temporal correlations of observations gathered by Wireless Sensor Networks(WSN) reveal the dynamic and uncertain nature of the deployment environment. Analysis and modeling of these spatial and temporal correlations brings significant advantages to design and optimization of energy conservation for WSN. In this project, we use probabilistic graphical models as the main tools to analyze and model the spatial and temporal correlations universally existing in WSN, based on which an efficient energy conservation scheme is proposed. We first study the biclustering problem for the spatial and temporal correlations and analyze the observations from both time dimension and space dimension to cluster the observation matrix. Based on the spatial and temporal correlation clusters achieved, we reduce the necessary number of active sensor nodes to effectively conserve energy using topology control theory. We then model the spatial and temporal correlations using Dynamic Conditional Random Field (DCRF) and study parameters estimation methods, according to which we can infer status of other nodes by observations of the active nodes. Our project aims to achieve significant energy conservation by reduction of number of necessary active nodes with the same performance as that of none node-reduction scheme.

无线传感器网络观测数据的时空相关性揭示了无线传感器网络部署环境的动态性与不确定性，对指导和优化无线传感器网络的节能设计有重要意义。本项目以概率图模型为主要工具，分析和建模无线传感器网络中普遍存在的时空相关性，在此基础上研究高效的节能策略，主要包括：研究传感器节点的时空相关性双聚类方法，同时从时间和空间两个维度将观测数据进行聚类分析；基于时空相关性聚类结果，研究相应的拓扑控制策略来降低活跃节点的数量，达到显著节能的效果；利用动态条件随机场对观测数据的时空相关性进行建模，研究相应的参数估计方法，通过对活跃节点的观测来精确推断其他节点的状态。本项目的预期成果拟在保证实际应用性能的前提下，有效的降低必需的活跃节点数量，达到无线传感器网络显著节能的目标。

本项目使用概率图模型作为分析无线传感器网络时空相关性的主要工具，指导无线传感器网络的设计与优化。我们主要利用概率图模型中的主题模型来分析无线传感器网络监测区域中的隐事件源分布，形成拓扑子图来显著减少活跃节点的数量，达到高效节能的目标。.项目的主要研究内容包括：.1..基于主题模型的无线传感器网络时空相关性建模.2..主题模型参数的高精度推导研究.3..面向大数据应用场景的主题建模研究.4..基于主题模型的无线传感器网络节能方案在水质监测中的应用.本项目的研究证实主题模型能够有效的对无线传感器网络时空相关性进行建模，在此基础上可以利用概率图模型中的动态条件随机场等方法根据拓扑子图的观测数据进行数据推理，还原整个监测区域的状态，达到与整个网络所有节点同时工作时相似的监测精度，从而可以通过减少整个监测区域需要部署的传感器节点数量或者延长节点的睡眠时间等措施来减少活跃节点的数量，达到高效节能的目标。在大量的实验中我们发现，在类似于大规模水质监测这类应用场景中，需要观测的系统存在高度动态性、高度复杂性等特点。如果采用过于简单的主题模型则无法有效地对真实系统进行建模，从而导致较高的推导错误率，在节能的同时将严重影响数据推理与还原的精度。因此，在水质监测等大规模真实系统的主题建模应用中，必须从模型的复杂性和推理精度两个层面同时提高模型的性能，才能保证较高的数据推理精度，最终实现传感器网络高效节能的目标。我们将这两个实际问题转化主题模型参数的高精度推导研究和面向大数据应用场景的主题建模研究两个科学问题，开展了大量相关研究，取得了一系列研究成果。